Integrated knowledge translation (IKT) in preclinical research: a scoping review protocol
Notice bibliographique
Résumé
Integrated knowledge translation (iKT) is a collaborative research approach that emphasizes the meaningful and active participation of knowledge users throughout the research process. Evidence suggests that iKT has the potential to increase the relevance, applicability, and use of research findings. As such, iKT has been increasingly utilized in health research in recent years. However, the extent to which iKT has been applied in preclinical research and its effectiveness are unknown. This review will be conducted as part of the Improving Neuroplasticity through Spaced Prefrontal intermittent-Theta-Beta-Stimulation REfinement in Depression (INSPiRE-D) project, which features preclinical research from mouse models to human work. The aim of this review is to scope what is currently known in the peer-reviewed literature about the use of iKT in preclinical research. Guided by this overarching aim, this scoping review has three specific objectives: 1) To map the current peer-reviewed literature on the use of iKT within preclinical research contexts 2) To identify benefits and challenges to employing iKT approaches in preclinical research documented in the peer-reviewed literature 3) To inform the development of a model of bench-to-bedside collaboration aiming to close the gap between preclinical and clinical research and beyond.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,205 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,025 | 0,021 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,016 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».